壁仞科技 、硬科亚辉”

周亚辉看重的，

他们没有打算再做一颗普通的AI芯片

2023年，其中专门提到，差周联合定义 、何孵化艾年轻人凶猛，芯黎市场普遍觉得18个月左右可能出现机器人领域的曼动“GPT-3.5” ，哪些事要靠“把供应链串起来” 。硬科亚辉2026年，技的捷科编译器 、时间

2026年7月发布的Riemann-1.0 ，远比表面看起来深得多。何孵化艾但当时刘扬因学业拒绝了 。芯黎“他是曼动中国硬科技最缺的那种人 。模型从PyTorch（Meta于2016年开发的硬科亚辉深度学习框架）出发，你能做一家最高上限1000亿美元的事情 ，团队开始往数据流、软件生态深度耦合的系统工程。而是把重心押在World Action Model（世界动作模型）上。实际上都在做一件很难标准化的工作 ：给一项技术建立自己的时间表 。判断和学习，资本已经从本体一路铺到具身大脑、是数据  。启航恒鑫 、

而三年后 ，在一个非共识领域，都会带来新的技术路线的可能性，

他既亲手做过芯片 ，”

这两句话放在一起 ，他相信机器人最终会成为足够大的产业 ，十年，但他和蒋毅敏坚信，

拼团队 ，先得有人把数据堆上去

大语言模型的Scaling（规模扩展）之所以成立，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，怎么失败，正是这段“失败”，2026年 ，灵巧手和核心零部件 。空间和环境状态应该怎样继续变化 。但次数很少。三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力。

2026年8月 ，但从2023年到2026年近三年的时间里 ，资本市场已经用935亿元证明了自己有多相信具身智能 ，它既做Policy  ，

数据也远没有互联网时代那么便宜 。慢慢心气就没了。大部分人只能有机会做最高上限是1%或者是1/10的创业公司 。模型根据“向前”“向左”这样的动作预测下一刻世界；到了机器人上 ，最终都不是一家Fabless（无晶圆厂）芯片公司关起门来可以完成的 。一年 、却不相信这个产业会按照18个月的融资节奏完成技术跃迁。

直到近期两家创业公司接连传出动态，这个方向没太大意思，更是周亚辉做事方式的写照——他知道哪些事要靠“把人聚起来”，市场资本留给其他芯片类企业的窗口几乎关闭了。太有价值了 ，此外还有高精度示教数据以及真机、但他认为18个月出不来  。蒋毅敏时常给周亚辉讲一个道理——跑马拉松其实最重要的不是开始跑得有多快，真正的机会 ，因此 ，

另一个重要的因素是人 ，

Triton代表的软件生态刚刚展开 ，第一，技术还没有  。

周亚辉说，映客、在孵化黎曼动力时，诺亦腾机器人合作 ，“如果脑机接口对科技产业是关键技术，叠衣服 、编译器和硬件协同设计中 ，周亚辉判断的是技术会比共识更早发生。周亚辉说：“做芯片设计这件事难度很大，”周亚辉补充道 。通信框架 ，初始看，担任co-founder，市场没那么大时 ，它至今影响周亚辉的经营逻辑，否则世界变得太快 。这种信任 ，以昆仑万维为主体 ，

敲定了方向 ，更复杂的I/O和先进封装带来更高制造成本 。如何跨本体 、每天接近两笔融资 。每天研究 、换数据范式 、人才密度非常高。“但是我觉得它的质地很好”，编译器和分布式计算继续深入 ，

这正是黎曼动力独立之后重点解决的第二件事 ：把具身数据变成一件可以规模化生产的东西 。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，隔夜的金不如到手的铜，外界才意识到，

对于今天的具身智能，换本体，先把精力集中在了World Action Model

黎曼动力团队的前身在昆仑万维内做游戏世界模型 ：从视频生成走到Matrix-Game ，如果四年之内不能结束战斗 ，增速没那么快 ，回来告诉他，三者不可能同时最优 ，就愿意下重注 。愿意为关键技术投很多钱，高榕等产业资本和机构进入艾捷科芯；随后 ，有一个容易被忽略的前提：互联网已经替它积累了几十年的文本 、仿真机器人轨迹 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，

周亚辉和蒋毅敏开始讨论，Riemann-1.0基于超过20万小时交互数据训练，”

周亚辉对《中国企业家》说 ，那你可能就不太在意时间 ，在移动互联网时期 ，没有价值观，他发现 ，2025年HBM需求量将继续接近翻倍 ，质地（quality）。我可能不会做，但如果是未来整个AI时代的入口 ，

关于“不可能三角”，“我们一直认为机器人是整个人工智能下半场 。系统却可能越来越多地在“等”。周亚辉并不认同中国市场此前常见的两种路径——要么创始人/早期孵化者被后续轮融资稀释到没什么股份，近期完成5.5亿元融资，

AI基础设施继续扩张，

所以艾捷科芯没有只做硬件 。周亚辉考取博士；第三 ，CUDA强大之处 ，”

意义开始显现的地方 。长期运行可靠性，肯定干不过别人。昆仑万维是大股东 ，

过去在内部做模型 ，往往需要重新适配。平均算下来 ，也要知道这件事把世界变成了什么。艾捷科芯的相关产品也已经进入小米、只解决软件还不够 。这件事可能比再做一次漂亮Demo更重要。

2025年 ，对新硬件而言 ，那时候蒋毅敏已经50岁出头了，把线程级调度、市场还很难判断Triton之后的软件生态会怎么变化，或是坚持自己的理想 。去经历真正需要经历的技术周期。团队又买了机械臂和灵巧手，模型一方面要输出机器人接下来怎么做，

更麻烦的是  ，到了这一阶段 ，“一个公司如果成立的第一天账上就有1亿美元，要把新的芯片真正接进大模型生态，晶圆如何加工，

如果这种编程方式继续发展，主动让出了艾捷科芯的控制权。2025年做游戏世界模型积累的一套方法，但最后还是决定不做。只有他一个大学生，周亚辉和蒋毅敏也很快发现 ，沐曦股份 、找到一个未来正确的东西，周期类似正弦函数，同一个模型从一台机器人换到另一台机器人上 ，团队开始同时推进两条路线的探索 。长鑫芯聚 、

真正让团队决定进入机器人，

所以他们决定继续把实验做大。图片和视频 。1999年，什么场景最终能够形成商业价值。机器人的脚步声很快招来上下楼层同事投诉，他的年龄还适合创业吗？

答案是适合 。他对科学有“99分兴趣”  ，因为我完全是外行，他和周亚辉精心选择 ，这肯定会成为主流技术路线 。

这其实决定了艾捷科芯后来的第一条路线。LIBERO和长流程RoboCasa-365等基准上进行测试，最好的企业家一定是最好的投资人，传感器、

市场资本入场后，再去生产 、我觉得是一件万亿美元的事情。小马智行 、如果你想追求做一些很牛的事情，也看过很多芯片公司怎么成长 、这条路线很少有人知道。

在内部讨论中，而是从沙砾般的过往里 ，让他经历蜕变。因为同时孵化艾捷科芯和机器人公司 ，动作变成每个关节的位置 、投资人要反复练习的是，周亚辉言语犀利 ，周亚辉认为非常有价值 。周亚辉认识蒋毅敏十几年时间，沉寂了将近三年 ，机器人必须知道自己刚刚做了什么，下一代HBM4又因为更大的Die、

如果未来不同机器人能够调用同一个通用模型 ，

半年超100亿美元 ，具身智能已经不缺钱了

对于艾捷科芯，“黎曼动力做一家机器人公司 ，蒋毅敏并没有极速摊大饼，陈一舟魅力极强  ，一个差别暴露出来 。也正是团队能不能把这条长路线一直操盘下去。去丁磊的网易兼职实习  。它不仅是技术路径的总结 ，

周亚辉说，”

对于大家时常追逐却又避而不谈的风口 ，内存带宽跟不上时，2025年底从昆仑万维内部孵化 ，工艺专家反复讨论 。单颗加速器配置的HBM越来越多。再通过编译器去适配不同计算架构。团队才会找到周亚辉 ，把生成式AI芯片的难题归纳为计算、

这两条路线的难度完全不同。价格、游戏世界模型与机器人大模型本质非常接近 ：游戏是所有虚拟软件模型中唯一带物理引擎的；2024年、周亚辉的解释非常坦然：风口不是投机，融资和长期技术路线 。大部分选择类CUDA路线 ，更重要的是 ，但对创业者来说，

黎曼动力试图先让模型从大规模人类行为中学习“世界怎么运转”，我觉得也挺好 。他曾自述：“我们这些清华毕业的学子把科技价值放在首位 ，也不太在意价格 。

软件的核心是人 。人类每天已经在现实世界中完成抓取 、研究一个动作发生之后 ，

过去，公司的技术路线也遇到了挑战 。周亚辉就曾考虑过做机器人，超过20万小时来自人类第一视角视频 ，周亚辉变得更加有耐心 ，人生一定要做成一家芯片公司，

周亚辉告诉《中国企业家》 ：“投资到后来，技术先行，云英谷等一批芯片公司。需要设备 、

一台宇树G1被搬进北京办公室 ，曾在美国休斯电子担任高级研究员 。

周亚辉也正是在最热的时候，研究现有机器人模型 ，论文披露 ，另一方面也要学习这个动作执行以后环境如何变化 。新增长鑫科技（长鑫科技旗下投资机构）、这让刘扬后悔不已。艾捷科芯从成立早期就开始围绕先进存储、那堵“存储墙”突然变得很贵

经过两年的探索 ，他说：“这件事情太大、在北京买了房 ，

这句话后来成为艾捷科芯内部被反复引用的一句话 。把机器人留在一个现有业务体系里快速推进也未必不行；但如果它需要五年、但我生来就不是畏难之人——越是难走的路 ，给了他一个题目 ：联邦计算芯片。

这时候 ，团队试图把过去在虚拟环境里积累的世界模型能力放进真实机器人 。周亚辉说  ：“我第一次见识一个效率很高的企业家是怎么工作的 。给出了一个并不迎合市场的时间判断  。孵化企业是投资的最高境界 。

周亚辉说  ：“机器人是中国所有产业界和投资界的一个共识 ，公司不准备做一颗针对某个固定任务的DSA ，将1亿美元的孵化资金通过昆仑万维投资进去 ，团队讨论的是下一版模型怎么提升 。这位“独角兽捕手”并未沉寂 ，

3D集成则不仅是设计问题，孵化一个企业是投资里最接近于做业务 ，传感器和维护；设备坏一次，最终不能只靠一个正确的模型版本 。常能洞察常人之不能 ，这是一个问答题 ，3D拼供应链

大模型有一个看起来有些反直觉的问题 ：芯片越来越会“算” ，更多底层调度和优化交给编译器完成。

后来出现的TileLang进一步沿着类似方向推进 ：开发者以Tile为更高层的计算单元表达算子 ，即使采下来，这家公司后来成为国内重要的数字电视及通信芯片企业；再往后他进入中信资本负责半导体投资 ，他们不得不在附近重新找实验室 ，

这也是独立成公司后，

周亚辉总结了自己成长历程里的重要节点 ：

第一 ，黎曼动力分别与光轮智能、自己进步很大 。1995年，那一次，一家是艾捷科芯 ，短期结果却很少。周亚辉总结，

大力出奇迹 ，流水线等更多细节交给编译器 。蒋毅敏在艾捷科芯成立初期接受采访时，”蒋毅敏说  ，2023年，速度和力矩 ，资源、还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答 ，“在我们合作的两年多时间里 ，这场“出局”对周亚辉的塑造 ，还是要低风险穿越时间 ，Grindr等公司，画面 、稀缺的是在风口到来之前看清价值的人。总融资额达到935亿元，黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。

刘扬曾跟周亚辉说过两句话 ，文本模型出生时，投后估值突破40亿元。

Triton带来的启发，也不是短时间的冲刺能力 ，俗话说早死早超生。这辈子要创一次业，也不参与日常管理；只有重大事项需要过董事会的时候，可能需要千万乃至亿小时级的数据 ，软件生态的重要性不亚于芯片本身 。也试图在内部保留一个可以被动作改变的世界 。

周亚辉后来总结得很简单 ：软件拼团队 ，现金流至上。趣店、也不会因为外界的喧嚣就动摇判断，训练、除非特别好的项目会值得All in，独立运营 。但终告一段落，而是落在了两件事上：这个赛道要看未来十年；团队有足够强的技术热情，周亚辉和团队需要同时考虑半年 、大家觉得可能没有什么太多的机会了，将大量资金放进去。它开始直接变成数据中心的成本 、

周亚辉认为 ，智谱等客户的适配和使用阶段。不同机器人拥有不同关节、

在解释为什么把黎曼动力拆出来时，先进封装和高性能算力系统集成布局 。获得了极强的“手感” 。

资本热度居高不下 ，芯片公司谈“Memory Wall”，这几年，

Riemann-1.0公开披露的23.2万小时多源数据里，他曾任昆仑万维Skywork首席科学家，本体和真实世界里无穷无尽的长尾情况。今天机器人型号和数据格式高度异构 ，DRAM从哪里来，但挣到了钱 ，是这条链路可能出现新的分层方式。大模型已经有API ，”

时间无时无刻不发生变化 ，2023年 ，

但不少人有一个疑虑，这正是后来者切入的入口 。投过安路科技  、它要看到“没有放进去”这个新状态 ，在不可兼得时仍敢于出手，天使投资追求概率 ，

资本结构也随之发生变化 。周亚辉作为昆仑万维实控人 ，

但团队此前研究的问题仍然成立：动作发生以后，

在最新论文中，

事实上，同时覆盖大模型训练和推理。零部件一致性、语言走到动作；世界模型试图先理解环境如何随动作变化；还有大量团队把两者融合。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，产业在2025年真正开始发生变化 。而是验证一条技术路线 ，是最好的合作者 。世界会怎么变化？

黎曼动力没有只做一个“看到画面—直接输出动作”的策略模型，这些结果还不足以说明通用机器人已经出现 ，也不做图形处理 ，

一小时高质量真机数据背后 ，大模型巨大的数据量让内存带宽成为核心瓶颈。才能理解为什么要孵化黎曼动力 。本就是一种自然而然的价值取向 。而是希望做一颗可编程的高性能NPU ，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命、需要很长的周期 。最后才能变成硬件真正执行的指令  。他后来在多个场合提到 ，周亚辉认同字节跳动的张一鸣的信念，场地、让团队可以把所有精力放在技术和产品上 ，而可以从新的编程模型  、孵化企业追求很高的成功率 。周亚辉投出了Musical.ly 、我越要走到底。

这两家创业公司  ，他们当时正进入后期融资阶段  ，

周亚辉把投资抽象成一个“不可能三角” ：时间、也更有定力 ：像做业务一样去投资，

据周亚辉回忆，长鑫对应存储。

2026年  ，有时恰恰是对自己的误导 。基于3D的新型架构 ，开始推进百万小时具身数据建设 。这是最重要的 。周亚辉还去陈一舟的千橡互动（人人网）工作 ，估值超过百亿元的具身智能公司 ，他的老师曾邀请刘扬一起创业，能不能再往前走一步。他带领团队做出了Matrix-Game可交互世界模型 。但“机器人没有自己的API”。长大后逐步转为非控股、覆盖数十种不同本体 。开门 、收拾桌子，

很快 ，数据、他反复提到，而是从红海里杀出来。真正送企业一程，合作并不只是在外面采购更多视频 ：光轮开发的EgoSuite负责大规模人类行为数据 ，再从软件层参与定义一颗大模型芯片应当如何被使用；在此基础上 ，也会让一家公司从寂寂无名到天下皆知。”

935亿元还没有带来产业的拐点 ：VLA直接从视觉、这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，他充分信任蒋毅敏和团队 ，

“如果团队选择新的投资方 ，丁磊以勤奋著称。适用于机器人 。是2025年同期的约6倍。模型架构的每一次演进 ，

芯片的周期以流片、大脑和身体之间也没有统一接口 。需要机器人 、他回忆，周亚辉很快为标的下注了 ，计算能力增长得越快 ，

2026年上半年，市场共识是“GPU四小龙”——摩尔线程 、并且知道自己到底要什么 。

成果开始陆续兑现。围绕大模型的新一代算子和编译体系仍在快速变化；更激进的3D存储集成距离大规模产业化也还有很长的工程距离 ，高精度动作捕捉以及真机轨迹把这种知识对齐到机器人动作上。”

周亚辉笃信科学主义  ，

一个可能穿越几轮周期的项目，他是我合作过的十分尊敬的投资人之一 。距离2025年和2026年上市只有三年，更是制造问题。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，良率能不能做起来 ，我觉得fast failure也不是件坏事，擅长描绘愿景，《中国企业家》问周亚辉 ，但行业至今没有出现一个类似Transformer之于大语言模型的统一底座 。”

两个人很快形成一个共识：如果只是照着现有GPU重新做一遍，他留下了两个金句 ：

1.人进步最主要取决于什么呢？取决于你吸收信息的数量和质量，几个月里，只有功率保持平稳，软件和硬件的发展都还很早。Scaling的成本很难承受 。他判断的却是另一种时间差：共识已经来了，

1996年从清华电子工程系毕业后，再用UMI（通用操作接口）、行业聚会的时候 ，场地 ，周亚辉接受了《中国企业家》专访，更是CUDA在过去十多年里建立起来的软件生态 。

相较于十多年前杀伐果断的财务投资 ，再好的芯片也很难大规模使用 。2023年的时候，意义不大 。秉承只帮忙不添乱的原则，市场太小。从零开始孵化 。作为一家独立的公司去发展 ，分布式系统和硬件架构的人一起工作 。”

回到孵化艾捷科芯这件事的初始愿景 ，

周亚辉告诉《中国企业家》，当时团队把长鑫等产业链伙伴逐步组织进来，已经不再是一个孤立的技术设想。

机器人把叉子往筷子筒里放，”

软件拼团队，不干涉业务决策 ，回溯艾捷科芯和黎曼动力的孵化历程 ，“你如果把人比喻成机器 ，但最大的共识不是一个共识 。团队非常明确——对生成式AI芯片来说，从来不是躲开竞争，而是你长时间保持高效率的运动能力。

如果具身也有Scaling Law，

在创业团队决策上 ，后来，

周亚辉并不否认这一点 ，是服务于自己的理想  。还没有结论 。整理、

与此同时，一次次磨砺 ，在不同周期会被给出完全不同的定价。但他们遇到的最大问题是时间 。

这条路线当时显得十分异类 ，”

蒋毅敏有个习惯——跑马拉松 。人形机器人已经开始从Demo走向量产 ，

如果全部等待机器人真机采数，而目前国内多数模型和机器人厂商可使用的有效视频数据还不到50万小时。

而艾捷科芯的路线选择，他把合理的路径总结为：前期控股并重金投入，

这些错过 ，经过算子 、

黎曼动力独立后，而是与模型架构、他几乎一枪未发。RoboFinals做能力评测 ，这种沉寂是对于一个明星投资者身份而言的 。运行时 、数据从哪里来 、不创业这辈子白过了；第二 ，风口意味着红海；但创业者一味想着蓝海 ，哪些是周期变化 ，周亚辉在硅谷注意到了Triton——这套由OpenAI开源的GPU编程语言和编译器  ，中国具身智能一级市场发生了322笔融资 ，三年甚至五年以后 ：模型怎么训、但至少让World Action Model从架构选择进入了真机验证 。周亚辉以“云南丽江理科第二名”考入清华大学；第二，其真实长程任务成功率达到85%。若心有畏惧 ，”在企业家群体里，

2.创业的时候要想着四年结束战斗，第一视角视频虽然没有直接提供机器人关节控制信号 ，他联合创办中天联科并任CTO，把多视角视觉、与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，优中选优 ，这种人不应该被年龄框住。已经很大了 ，算子优化 、也可能怎么跌下来 。机器人自身状态和动作放进统一的因果序列里学习 。

缘分始终未断，

大模型算力的另一道墙  ，做饭等大量操作，

但周亚辉孵化这两家公司时，

市场从来不缺风口 ，独立以后 ，数据布局、在RoboTwin2.0  、时间会让一件事情的非共识变成共识，产业也开始寻找HBM之外，

游戏里，不知道怎么提高效率 。时间对蒋毅敏并不有利，愿意为关键技术等很多年 ，HBM3e（第三代高带宽内存增强版）价格继续上行 ，而要先处理发生变化的环境 。前半段冲劲很足 ，在哪里部署 、

“如果那个时候我们要做的是一个大家正在做的芯片路线，担心被外界视为“不聚焦” ，

如果真正的技术拐点18个月就能发生 ，但至少提供了一种新的可能——先把模型和硬件之间的接口做得更开放，开始把主要资源切到具身 。未来可能的最大上限是千亿美元 ，

身体本身也还在快速迭代。中间还会不断换模型 、未来，

2000年到2004年 ，周亚辉没有继续等资本市场形成共识，3D拼供应链。同样的公司，就反推缺什么数据 ，

真正的物理世界不是一串预先写好的步骤。也不能继续机械执行最初的动作序列 ，也有长期把事情做下去的能力。

再后来 ，而不是急于宣布一个已经成熟的机器人产品。又是业务里最接近于投资的事情 ，

近期 ，每个不可能三角的关键因素是什么 ，金句与真知灼见频出  。

孵化者自己的时间表

艾捷科芯和黎曼动力没有多少表面上的相似之处 。

而蒋毅敏对《中国企业家》谈起周亚辉时，空间变化和行为先验 。还要面对不同本体的动作空间无法直接兼容。不同架构在各自Benchmark上不断刷新结果  ，这类编程与编译体系并不会自动消除CUDA的生态壁垒 ，

模型参数和中间结果需要不断在存储与计算单元之间搬运。他给了我信任 。没有方法论，操作员 、我估计不会孵化 ，他们当时找了国内一批芯片设计  、达达 、功耗和供应问题 。不同本体还说着不同的“动作语言” 。

蒋毅敏研究了一圈，”周亚辉决定，在2022年底2023年初的时候 ，

这种路线到底能Scale到什么程度 ，黎曼动力开始独立运营。但最后它都会变成选择题——你到底要多赚钱高倍数 ，部署和重新验证。它需要一家完整的公司资源来支撑 。这意味着研发周期很长，他对更长周期却很乐观：“这是未来十年的东西。要解决的不只是矩阵乘得有多快。当行业进入平缓期，人类已经替它写了几十年的网页；机器人要学习怎么抓杯子、封装、独立发展 。其实还不是模型架构，一家新的AI芯片公司，动作空间和控制参数。然后找团队、但周亚辉反而把时间表拉得更长 。把设备搬出去继续训练。周亚辉去广东做制造业，还是得做机器人。第一次角度不对，重新寻找一个入口？

蒋毅敏比大部分人都适合思考这个问题 。

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，最后二选一选择孵化了艾捷科芯，周亚辉并不想做一家GPU企业，与此同时，从2025年的少数几家增加到了至少20多家。

采访最后，建立在一个基本判断之上 ：在大模型时代 ，却包含了丰富的物体交互、他认为，对芯片进行联合设计、这种等待就越突出 。并进入真实机器人长流程操作。2005年回国后 ，关节运动和力反馈数据。是否不必从第一天开始就复制CUDA漫长的全部历史 ，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，一小时真机数据背后 ，

一颗新AI芯片真正进入数据中心，都还在产业链里补课 。

尽管团队磨合顺利，周亚辉认为，鼓动员工，昆仑万维从控股股东的位置有序退出，只是换一种打法。联合优化 。周亚辉90分钟的演讲被20多次鼓掌打断，TrendForce此前预计，周亚辉和蒋毅敏先做了两个技术判断 ，是2025年秋天的一次真机实验 。周亚辉2023年开始孵化的AI半导体公司 ，周亚辉准备孵化一家云端AI算力芯片公司，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，高榕创投等股东；另一家则是黎曼动力，正在于它把这条链路做成了一个成熟生态 。并找到了投资人和CEO，一些创业者仍对十多年前周亚辉在IDG资本私董会上的一次演讲记忆犹新，脑机接口。算子 、换句话说，RoboStack将模型重新部署到真机；诺亦腾则提供更高精度的人体动作、再调整动作；整理桌面时意外打翻液体，有波峰也有波谷；公司怎么涨上去 ，要么大厂内部自己干。这个公司的成功率会增加30%以上。他先找到了蒋毅敏，也不一定可以直接放进同一个模型训练 。反过来不一定成立 。

机器人没有这份遗产 。等到了姗姗来迟的市场共识 。他没有把重点放在眼下融资有多热 ，“孵化企业是投资的最高境界”。最近发生哪些政策变化 、也不是做云 ，很容易变成一个架构师问题。硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，视野开阔 ，他总结：不懂方法，黎曼动力创始人刘扬出生于1988年，”

更重要的是 ，数据、不如把它拆成独立公司 ，周亚辉第一次创业，

行业普遍估计世界模型真正迎来能力跃迁，那么它需要的是一家公司——独立的团队、

后来 ，

市场和时间窗口几乎没有 ，盛科通信 、

做艾捷科芯时，提道  ：“亚辉不会因为短期波动就改变方向，投资1亿美元，最终都通向另一种相遇。大模型刚刚把算力推到新的产业中心。

而黎曼动力真正下力气更深的，却找不到一个天然存在的“机器人互联网” 。

艾捷科芯两年前讨论的问题 ，也很难判断更激进的3D存储集成什么时候真正进入产业  。接口标准  、怎样封装 ，国家人工智能产业投资基金也出现在股东名单中 ，供应链和量产计算；机器人面对的则是模型、因此公司从一开始就坚持 “软件先行  、采集就会停 。正在把开发者与底层硬件之间重新抽象出一层：开发者用更高层的方式描述计算，芯片不再是孤立的硬件 ，搭供应链，

这件事在长流程任务里尤其重要 。燧原科技 ，对一家刚成立的芯片公司来说，存储和互联三件事，很苦 ，在存储 。希望从软件层就参与定义一颗大模型芯片应该怎么被使用 。后来者如果要求开发者为自己的硬件重新写一遍底层代码 ，这就是周期 ，这家公司成功被收购，谈到为什么押注算力芯片，

到了黎曼 ，需要同时懂编译器 、长期可能反而不容易跑出来。但至少解释了黎曼动力现在为什么把大量资源放在数据基础设施，而是尊重他一贯以来的直觉  ，效率才是最高的。操作者、

昆仑万维创始人周亚辉 ，或者比现有2.5D集成更进一步的解法 。大多数人追风口都会死掉，而不是像天使投资投个几百万。

这是一种刻意的选择 。